論文の概要: Multi-Model Ensemble Approach for Accurate Bi-Atrial Segmentation in LGE-MRI of Atrial Fibrillation Patients

• arxiv url: http://arxiv.org/abs/2409.16083v1
• Date: Tue, 24 Sep 2024 13:33:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-26 05:46:35.934947
• Title: Multi-Model Ensemble Approach for Accurate Bi-Atrial Segmentation in LGE-MRI of Atrial Fibrillation Patients
• Title（参考訳）: 心房細動患者のLGE-MRIにおける正確な心房細動に対するマルチモデルアンサンブルアプローチ
• Authors: Lucas Beveridge, Le Zhang,
• Abstract要約: 心房細動(AF)は、心臓不整脈の最も多い形態であり、死亡率と死亡率の増加と関連している。 この研究は、Unet、ResNet、EfficientNet、VGGを含む複数の機械学習モデルを統合するアンサンブルアプローチを示し、LGE-MRIデータから自動両房セグメンテーションを実行する。
• 参考スコア（独自算出の注目度）: 3.676588766498097
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Atrial fibrillation (AF) is the most prevalent form of cardiac arrhythmia and is associated with increased morbidity and mortality. The effectiveness of current clinical interventions for AF is often limited by an incomplete understanding of the atrial anatomical structures that sustain this arrhythmia. Late Gadolinium-Enhanced MRI (LGE-MRI) has emerged as a critical imaging modality for assessing atrial fibrosis and scarring, which are essential markers for predicting the success of ablation procedures in AF patients. The Multi-class Bi-Atrial Segmentation (MBAS) challenge at MICCAI 2024 aims to enhance the segmentation of both left and right atria and their walls using a comprehensive dataset of 200 multi-center 3D LGE-MRIs, labelled by experts. This work presents an ensemble approach that integrates multiple machine learning models, including Unet, ResNet, EfficientNet and VGG, to perform automatic bi-atrial segmentation from LGE-MRI data. The ensemble model was evaluated using the Dice Similarity Coefficient (DSC) and 95% Hausdorff distance (HD95) on the left & right atrium wall, right atrium cavity, and left atrium cavity. On the internal testing dataset, the model achieved a DSC of 88.41%, 98.48%, 98.45% and an HD95 of 1.07, 0.95, 0.64 respectively. This demonstrates the effectiveness of the ensemble model in improving segmentation accuracy. The approach contributes to advancing the understanding of AF and supports the development of more targeted and effective ablation strategies.
• Abstract（参考訳）: 心房細動(AF)は、心臓不整脈の最も多い形態であり、死亡率と死亡率の増加と関連している。 AFに対する現在の臨床介入の有効性は、この不整脈を持続する心房解剖学的構造の不完全な理解によって制限されることが多い。 早期ガドリニウム造影MRI (LGE-MRI) は心房線維症およびスカーリングの評価において重要な画像モダリティとして出現し, AF 患者のアブレーション治療の成功を予測するための重要なマーカーである。 MICCAI 2024におけるMBAS(Multi-class Bi-Atrial Segmentation)チャレンジは、専門家によってラベル付けされた200台のマルチセンター3D LGE-MRIの包括的なデータセットを使用して、左右のアトリアとその壁のセグメンテーションを強化することを目的としている。 この研究は、Unet、ResNet、EfficientNet、VGGを含む複数の機械学習モデルを統合するアンサンブルアプローチを示し、LGE-MRIデータから自動両房セグメンテーションを実行する。 左右心房壁,右心房腔,左心房腔のDice similarity Coefficient (DSC) と95% Hausdorff distance (HD95) を用いてアンサンブルモデルの評価を行った。 内部テストデータセットでは、DSCは88.41%、98.48%、98.45%、HD95は1.07、0.95、0.64であった。 これは、セグメント化精度を向上させる上でのアンサンブルモデルの有効性を示す。 このアプローチはAFの理解の促進に寄与し、よりターゲットを絞った効果的なアブレーション戦略の開発を支援する。

関連論文リスト

• An Improved Approach for Cardiac MRI Segmentation based on 3D UNet Combined with Papillary Muscle Exclusion [0.0]
  異なるフェーズにおいて、心臓構造を正確にセグメンテーションするための堅牢なアルゴリズムを開発することが重要である。 本研究では,乳頭筋を除いた心筋とLVのセグメンテーションに改良された3次元UNetモデルを導入する。 提案フレームワークの実用試験では, 合計8,400枚の心MRI画像を収集し, 解析した。
  論文  参考訳（メタデータ） (2024-10-09T12:19:58Z)
• AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
  本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。 提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。 ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
  論文  参考訳（メタデータ） (2024-07-02T16:44:00Z)
• Analysis of the BraTS 2023 Intracranial Meningioma Segmentation Challenge [44.586530244472655]
  我々はBraTS 2023の頭蓋内髄膜腫チャレンジの設計と結果について述べる。 BraTS髄膜腫チャレンジ(BraTS Meningioma Challenge)は、髄膜腫に焦点を当てた以前のBraTSグリオーマチャレンジとは異なる。 上層部は腫瘍,腫瘍コア,腫瘍全体の拡張のために0.976,0.976,0.964の病変中央値類似係数(DSC)を有していた。
  論文  参考訳（メタデータ） (2024-05-16T03:23:57Z)
• Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
  本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。 シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
  論文  参考訳（メタデータ） (2022-08-22T22:01:44Z)
• Estimation of atrial fibrillation from lead-I ECGs: Comparison with cardiologists and machine learning model (CurAlive), a clinical validation study [0.0]
  本研究では,人工知能を用いた心房細動検出法を提案する。 本研究の目的は, 心臓科医と人工知能の診断精度をリードI心電図と比較することである。
  論文  参考訳（メタデータ） (2021-04-15T12:50:16Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)
• Simultaneous Left Atrium Anatomy and Scar Segmentations via Deep Learning in Multiview Information with Attention [14.252180320919551]
  心房細動(AF)患者における左心房粗動の3次元遅発性心MR(LGE)強調法(CMR)は,近年,患者を成層化するための有望な手法として注目されている。 これは、高強度の傷痕組織の分節と左房解剖(LA)の分節を必要とする。 マルチビュー2タスク(MVTT)に基づく共同セグメンテーション手法を提案する。 3D LGE CMR画像を直接作業することで、LAを分割し、傷跡をデライン化することができる。
  論文  参考訳（メタデータ） (2020-02-02T18:03:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。